131 1300 0010
本次論壇完整覆蓋汽車行業技術領域的研討，旨在進一步促進整車企業與零部件企業之間對技術發展趨勢的探討、加強汽車行業專家之間的交流互動、增強整車與零部件企業的交流、搭建合作平臺，通過活動促進汽車零部件產業創新轉型升級、打造更具競爭力的整零協同創新關系，助力實現向汽車強國的轉變。
2018年12月7日-8日，以“創新驅動、技術引領”為主題的2018第六屆“汽車與環境”創新論壇在上海·安亭正式舉辦。
本次論壇完整覆蓋汽車行業技術領域的研討，旨在進一步促進整車企業與零部件企業之間對技術發展趨勢的探討、加強汽車行業專家之間的交流互動、增強整車與零部件企業的交流、搭建合作平臺，通過活動促進汽車零部件產業創新轉型升級、打造更具競爭力的整零協同創新關系，助力實現向汽車強國的轉變。
以下是西門子工業軟件總監黃漢知的發言：
西門子工業軟件總監 黃漢知
各位嘉賓下午好！我是西門子工業軟件的黃漢知。自動駕駛是汽車未來的發展方向，技術發展迅速，資本踴躍的進入，市場關注密切。一直以來，人類都在探索，自動駕駛什么時候能夠產業化，進入到我們的生活當中。但在人類熱情探討這個話題的時候，地球上似乎已經有一種生物實現了L4級別的自動駕駛。請看這個視頻。不知道大家有沒有機會看到過成千上萬的蝙蝠密集飛行的場面。偉大的自然進化造就了蝙蝠的這種能力，某種程度上實現了L4級別的自動駕駛。具體它是使用端到端的解決方案，還是分別處理了場景、感知、控制規劃決策、執行，我們不得而知。但它們實現了密集飛行時的零事故零傷亡。
但看看人類是怎么樣駕駛的呢？看看這張圖，可能在座的每一位嘉賓，都不能說自己在開車的時候從來沒有摸過手機。也許，自動駕駛技術，是解決這些人類固有頑癥很好的出路。
再看看這個視頻。其中可以歸納出三個客觀事實，第一就是絕大部分的交通事故傷亡都是人為因素導致的。第二目前自動駕駛車輛水準，需要平均每行駛5500英里，就需要一次人工干預，以避免事故的發生。第三為了充分測試驗證自動駕駛車輛，需要超過88億英里的路試里程。這體現了一個典型的困境：明知無法遍歷所有的測試場景，那么，究竟需要多少的測試里程，才能認為自動駕駛技術是成熟可靠可以上市的呢？
為了解決這個困境，西門子工業軟件認為，必須要經歷從虛擬仿真到半實物的測試，到封閉園區，再到公共道路，最后法規認證，這樣一個基于模型的、正向的開發和測試方法，才能最大程度上節省測試時間，實現產品的快速優化迭代，早日上市。這一正向方法論的核心是PreScan仿真技術。
從技術結構上，自動駕駛系統可以分為四個部分：場景工況、環境感知、控制規劃決策算法、執行機構，在PreScan仿真環境中，這四個模型都必須要建立起來。今天，我試圖通過一系列的客戶案例，來向大家描述怎么樣實現從仿真到半實物，到封閉場地和道路測試的開發流程。
大家都知道，誰的測試工況多、代表性強，誰的測試就充分。在第一個項目案例中，我們使用的是歐洲的GIDAS交通事故數據自動轉換為PreScan測試工況模型。因為GIDAS數據量非常大，數以萬計，所以我們多PC多GPU的硬件方案可能已經不能滿足，所以選擇了大規模集群Cluster計算的方案，使得PreScan在集群計算機上把任務部署上去，從而實現快速計算，縮短開發時間、周期以及成本。
當我沒有交通事故數據的時候，用什么方式呢？推薦用測試自動化的方式。比如，要測試ACC，要看ACC 切入工況，這個工況有不同的特征參數，每個參數取不同的值，一個切入工況可以變化為60萬種之多。這是第二個案例。
第三個案例，ACC系統有一個重要的性能參數就是加速度的變化率，即所謂的jerk，影響它的有很多參數，包括雷達傳感器的檢測延時、ACC控制算法包括PID參數的標定、執行機構對加減速的響應延遲和上升特性、底盤動力學的特性等，我們要想定量的分析決定優化的參數，靠路試的主觀評價是遠遠不夠的，必須通過模型和參數的分析來決定最優的參數組合。
當產品從算法和軟件的層面過度到控制器階段時，就可以做HiL半實物仿真測試。這是攝像頭在環的典型案例。為什么要做這樣一個HiL臺架，為什么不做路試？我們知道，要充分測試的測試基于視覺的LKA系統的性能，需要在大量的、不同車道狀態組合的工況下進行測試。道路測試很難遍歷不同的車道組合，比如不同轉彎半徑的車道，難以在真實道路上都找得到。
我們也可以用仿真的數據來測試人工智能算法。在這個案例中，我們使用PreScan仿真技術產生的傳感器原始數據，測試Mentor DRS360硬件以及人工智能算法。在另一個案例中，我們用虛擬的數據測試基于雙目視覺的SLAM算法。在這個案例中，PreScan仿真數據用于測試Nvidia Drive PX2硬件及其AI算法。在這些案例當中我們沒有很詳細的介紹細節，但有兩個要點可以和大家分享，第一，人工智能現在越來越會用傳感器的原始數據來做數據融合。第二，AI人工智能算法的訓練質量與測試工況的數量和覆蓋度相關，為了彌補路采素材代表性不足的缺陷，可以使用仿真技術來定制生成特定的訓練素材，加入訓練集中，提高訓練質量。
這是基于雷達的ACC/AEB車輛在環ViL的案例。最終這個臺架安裝在被測車上，可以在空曠的道路上做測試，也可以在轉鼓上做大規模的實驗。可以克服ACC/AEB路試的諸多不利因素。首先測試工況可以精確定制，第二是可以大規模運行海量的工況組合，可以做重復性的測試等等。這是在空曠的場地上進行了ACC的測試的一個視頻，通過仿真技術給出兩個車道，每個車道都有目標車輛，彎道上的工況，最終發現彎道上該系統并不能夠穩定的跟蹤本車道目標車。這是一個ViL的案例。當然我們也可以支持DiL，這是PreScan+AMESim 車輛動力學模型實現動態駕駛模擬儀的案例。
接下來的一個階段，我們就可以進入到場地測試，TASS擁有Euro NCAP組織的官方實驗室和試驗場。同時，在TASS總部，荷蘭的城市Helmond，2012年就已經商業化的在運作自己的基于高速公路的智能網聯的測試場。
由于我們擁有的從仿真、半實物仿真、封閉場地等全面的能力和豐富的經驗，我們也輸出封閉試驗場的技術。這個案例，是TASS提供PreScan仿真技術，以及場地設計咨詢，幫助美國Willow Run實現ACM試驗場規劃、建設、運營的案例。
今天通過一些實際的案例，闡述了基于模型和以PreScan仿真技術為核心的自動駕駛系統正向開發、測試流程。我們這里面有一個非常核心的原則：在最早期純模型的階段，用仿真去運行數以百萬計的測試工況，當到半實物測試的時候希望是數以萬計的，在場地測試的時候是數以百計的，從而在系統開發的最早期暴漏最多的技術問題，通過優化迭代加以解決，而不是在產品上市之后，通過實物的、路試的方式去試錯，這樣迭代成本就太高了。
今天，通過這么多案例介紹了系統開發和測試的流程，可見，基于PreScan仿真的技術,構建了非常好的整體解決方案。但是，仿真技術也有一系列的挑戰，我今天試圖列出幾個主要的挑戰點。
第一個我們想說說測試的場景工況。剛才一直在反復地說，誰的測試工況多，代表性強，誰的測試就充分。那我們場景來源有哪些呢？我們看看PreScan的開放式生態對場景來源多樣化的支持。第一個是DataModel API，場景所有元素參數化之后，通過API接口方式開放給用戶，是的通過代碼腳本自動創建海量場景成為可能。第二我們剛才也提到支持中國交通數據庫CIDAS，德國交通數據庫GIDAS的自動導入。第三目前是支持Open DRIVE高精度地圖的導入，以及OpenStreetMap二維開源地圖數據導入，以及PTV VISSIM的微觀交通流耦合，PreScan還集成了全球大多數法規機構發布的測試工況等。最近，PreScan更是發布了基于UNREAL游戲引擎的場景渲染。
在基于UNREAL游戲引擎的場景渲染中，我們可以看一下這個視頻，視覺細節和逼真度有了大幅度提高，比如說惡劣天氣下雨情況下泊車工況的仿真。
這是場景的渲染和視覺效果的部分，除了PreScan支持的這些標準格式和工具之外，我們知道像中國的天津中汽中心、重慶中汽院以及世界上第三方機構都紛紛發布了自己的工況庫。我們和天津也是正在合作，把從道路上采集和歸納的數以千計的工況放入PreScan當中。我們也是重慶中汽院的智能網聯汽車測試評價國際聯合創新中心的成員，也可以應用它們的數據導入PreScan仿真平臺中。這個視頻，展示了我們和國際的工程公司Bently合作，導入路采數據生成測試場景的案例，其載體是.json文件格式。
環境感知傳感器的模型，一直是PreScan全球領先的技術。在攝像頭模型中，像我們就從光源，到光的傳播媒介，到光打到目標表面的材質和反射特性、光學鏡頭以及后面的CMOS成像器件，直到最后的AD轉換所有環節都有物理的模型，輸出的就不再是可見光RGB像素的信息，而是多光譜、高動態范圍的模型。
這是攝像頭的模型，毫米波雷達的仿真也分成多種層次。第零層，首先提供一個非常理想化和簡化的模型，第一個層級就包含了目標物體檢測的精度和分辨率的特性，輸出包含目標物體精度、分辨率特性的位置、速度、角度信息。。第二個層級是目是含能量輸出的目標級別的雷達模型，第三個級別，是包含漏檢測、誤檢測、單目標聚類成多個反射點等諸多的缺陷特性的模型。目的是說，我們把雷達它在道路當中所展現出的一些表現，一些性能都完美的體現到仿真環節當中來。
在激光雷達領域，我們也可以輸出激光雷達的點云傳感信息，除此之外我們也正在開發基于物理的、基于反射特性的激光雷達。PreScan也支持比如DSRC V2X的傳輸衰減、延遲、丟包率等特性的模型。
今天，我們試圖通過一系列案例、仿真關鍵技術的探討，向大家描述我們從純模型的仿真、到半實物仿真、到封閉試驗場、到最后道路測試和法規認證這一正向的測試和驗證方法論的一系列流程。在過去的十年當中，西門子工業軟件累計投入超過百億美元，也進行了很多技術研發，包括一系列的公司的收購，包括收購我所在的TASS International，構建了覆蓋汽車自動駕駛、碰撞安全性、輪胎動力學、結構耐久疲勞、CFD、NVH、1維和3維動力學等全方位的汽車性能開發測試解決方案，具備了全球領先的Digital Twin方案。
